wereply/
├── src/                          # Rust 协调器源代码
│   ├── wechat/                   # 微信监控模块
│   ├── ai/                       # DeepSeek API 集成模块
│   ├── orchestrator/             # 核心协调逻辑
│   ├── system/                   # 系统服务
│   └── main.rs                   # 入口点
├── platform_agents/              # 平台特定代理
│   ├── windows_agent/           # Windows Python 代理
│   │   ├── wechat_monitor.py   # 微信监控
│   │   └── input_writer.py     # 输入框控制
│   └── macos_agent/             # macOS Swift 代理
│       ├── WeChatMonitor.swift  # 微信监控
│       └── InputWriter.swift    # 输入框控制
├── frontend/                     # React 前端源代码
│   └── src/
│       ├── components/           # React 组件
│       │   ├── AssistantPanel/  # 主助手面板
│       │   ├── SuggestionList/  # 建议显示
│       │   └── ConfigDialog/    # 配置界面
│       └── bindings.ts          # 自动生成的类型绑定
└── .claude/
    ├── skills/                   # 自定义 Claude Code 技能
    └── rules/                    # 详细的开发标准

系统架构

数据流设计

微信窗口
   ↓ (Accessibility API / UI Automation)
Platform Agent (Python/Swift)
   ↓ (JSON via stdin/stdout)
Rust Orchestrator
   ├→ DeepSeek API (HTTP)
   └→ React Frontend (Tauri IPC)
       ↓
   用户选择建议
       ↓
Rust Orchestrator
   ↓ (JSON via stdin/stdout)
Platform Agent
   ↓ (UI Automation)
微信输入框

关键组件

1. 平台代理 : 监控微信，提取消息，写入输入框
2. Rust 协调器 : 协调代理和 AI，管理状态
3. DeepSeek 服务 : 通过 API 生成回复建议
4. 助手面板 : 显示建议，悬浮在微信窗口旁

核心功能

1. 微信消息监控

• 实时消息检测 (平台代理)
• 上下文提取 (最近 N 条消息)
• 发送者识别
• 消息去重

2. AI 回复建议

• DeepSeek API 集成
• 上下文感知的建议
• 多种回复风格 (正式、友好、幽默)
• 可配置的建议数量 (1-5)

3. 助手面板

• 悬浮在微信窗口旁
• 实时显示建议
• 一键插入回复
• 窗口位置跟随

4. IPC 通信

• Rust 与代理之间的 JSON 协议
• 消息类型: MessageNew, InputWrite, HealthCheck
• 错误处理和重试机制
• 优雅的代理崩溃恢复

项目特点

1. 桌面应用程序 : 非 Web 应用；使用 Tauri 构建的跨平台桌面应用
2. IPC 架构 : Rust 协调器通过 JSON 与平台代理通信
3. 类型安全 : specta 自动生成 TypeScript 类型，确保前后端类型一致性
4. 异步优先 : 全面使用 Tokio 异步运行时
5. 平台特定代理 : Python (Windows) 和 Swift (macOS) 用于原生自动化
6. AI 驱动 : 使用 DeepSeek API 进行智能回复生成
7. 隐私优先 : 无数据持久化，API 密钥存储在系统密钥链中

开发工作流背景

典型开发场景：

• 微信监控 : 使用 wxauto/Accessibility API 实现平台特定的自动化
• IPC 通信 : 设计 Rust 与代理之间的 JSON 消息协议
• DeepSeek 集成 : 管理 HTTP 连接，处理 API 错误和速率限制
• 桌面 UI : 构建具有窗口跟随功能的悬浮面板
• Tauri 命令 : 创建类型安全的 Rust ↔ TypeScript 通信
• 配置管理 : 通过系统密钥链管理 API 密钥，通过 JSON 管理用户设置

关键集成点：

• Rust ↔ TypeScript : specta 在每次 Rust 更改后生成 bindings.ts
• Rust ↔ Agent : 通过 stdin/stdout 的 JSON 协议
• 前端 ↔ 后端 : TanStack Query 通过 Tauri 命令管理服务器状态
• AI ↔ 用户 : DeepSeek API 提供建议，用户选择并发送

性能目标

• 消息监听 : < 500ms (代理检测延迟)
• 代理通信 : < 100ms (IPC 往返)
• DeepSeek API : < 3s (建议生成)
• UI 响应 : < 100ms (用户交互到 UI 更新)
• 窗口跟随 : < 200ms (微信窗口移动到面板更新)
• 启动时间 : < 2s (应用程序启动到就绪)

开发标准

项目遵循 .claude/rules/ 中记录的严格开发标准：

• 项目概述 (01-project-overview.md)
• Rust 后端标准 (02-rust-backend-standards.md)
• React 前端标准 (03-react-frontend-standards.md)
• 配置管理标准 (04-configuration-standards.md)
• LSP 使用标准 (05-lsp-usage-standards.md)
• 安全标准 (06-security-standards.md)
• 测试标准 (07-testing-standards.md)
• 性能标准 (08-performance-standards.md)

所有这些标准都通过自动化钩子和技能强制执行。

此背景信息何时有用

此项目概述会自动加载，以帮助 Claude 理解：

• 架构决策 当提出更改时 (例如，IPC 与直接 API)
• 技术选择 当解决问题时 (例如，平台特定的自动化)
• 集成模式 当添加功能时 (例如，新的 Tauri 命令)
• 规模考量 当优化性能时 (例如，IPC 批处理)
• 领域背景 (微信自动化、AI 建议、桌面用户体验)

这些知识使 Claude 能够做出更明智、更符合项目背景的建议，而无需重复解释项目的性质和结构。

每周安装数

1

代码仓库

cacr92/wereply

首次出现

今天

安全审计

Gen Agent Trust HubPassSocketPassSnykWarn

安装于

zencoder1

amp1

cline1

openclaw1

opencode1

cursor1